# 踏切AI開発
## 概要
- 踏切にエッジデバイスを設置し、危険な状態にある人や車両等を検知してアラートを通知する。
- DETRによる物体検知及びCNNによる画像認識を用いて実現。
## チーム構成
- PM1名
- DS1名
- 開発メンバー3名
- 事務1名
計6名
## 開発環境
- Ubuntu
- Python3
- シェルスクリプト
- Terraform
## 概要
- 物体検知及びCNNモデルの学習。
- 上記モデルの精度向上のアプローチ。
- データの拡充
- 前処理
- ハイパーパラメータの調整
- fine tuningする学習済みモデルのアーキテクチャ選定
- 学習モデルの評価
- エッジデバイスへのモデル置換。
- AI検知アプリの実装、テスト。
- 追加機能の実現。
- 要件検討
- 技術選定
- 設計
- 実装
- テスト
- Web管理画面の管理、修正。
- TerraformによるAWS環境の実装、管理。
## 課題
- 誤検知の改善
- MLOpsに準じたパイプラインの自動化
## アプローチ
- 誤検知の改善
- 現状の誤検知の原因と件数を一覧化し、件数と難易度で優先順位を決めて効率良く改善する努力を行った。
- 誤検知が発生したクラスの画像を大量に収集し、特徴的な動作を見極めて修正することで、より汎用的な修正を行い、検知精度を向上させた。
- MLOpsに準じたパイプラインの自動化
- チームメンバーが扱うツールの改善を目的とするため、頻度や扱い方についてコミュニケーションを密に取った。
- 例えば、EXCELでグラフ作成をしている場合、単純にグラフ作成を自動化するのではなく、MLflowを用いた管理にすることを状況に応じた提案をするよう努力した。
- ツールは主にMlflow, dvcを使用。